Python plotly 数据可视化

说明

《Python 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

Plotly 是一个用于创建交互式图表的开源 Python 库。它支持多种类型的图表，包括折线图、散点图、柱状图、饼图、地图、3D 图表等。Plotly 非常适合用于数据分析和数据可视化，因为它不仅可以生成静态图表，还可以生成动态交互式图表，用户可以在网页中进行缩放、平移和其他交互操作。

安装 Plotly

在使用 Plotly 之前，需要先安装它。可以使用以下命令通过 pip 安装：

pip install plotly

创建简单图表

使用 Plotly 创建一个简单的折线图：

import plotly.graph_objects as go

# 创建数据
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 19]

# 创建图表对象
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines+markers'))

# 显示图表
fig.show()

使用 Plotly Express

Plotly Express 是 Plotly 的高级接口，简化了许多常见图表的创建过程。下面是使用 Plotly Express 创建一个散点图的例子：

import plotly.express as px

# 创建数据
df = px.data.iris()

# 创建散点图
fig = px.scatter(df,
                 x='sepal_width',
                 y='sepal_length',
                 color='species'
                )

# 显示图表
fig.show()

自定义图表

可以通过设置各种参数来自定义图表的外观和行为。以下是一些常见的自定义选项：

fig = go.Figure()

# 添加多条线
fig.add_trace(go.Scatter(x=[1, 2, 3, 4],
                         y=[10, 11, 12, 13],
                         mode='lines',
                         name='线 1')
             )

fig.add_trace(go.Scatter(x=[1, 2, 3, 4],
                         y=[14, 15, 16, 17],
                         mode='lines+markers',
                         name='线 2')
             )

# 设置标题和轴标签
fig.update_layout(title='自定义图表标题',
                  xaxis_title='X 轴标签',
                  yaxis_title='Y 轴标签'
                 )

# 显示图表
fig.show()

子图

Plotly 支持在同一个图表中创建多个子图（subplots）。

from plotly.subplots import make_subplots

# 创建包含两个子图的图表
fig = make_subplots(rows=1, cols=2)

# 添加数据到第一个子图
fig.add_trace(go.Scatter(x=[1, 2, 3],
                         y=[4, 5, 6]),
              row=1,
              col=1)

# 添加数据到第二个子图
fig.add_trace(go.Scatter(x=[20, 30, 40],
                         y=[50, 60, 70]),
              row=1,
              col=2)

# 显示图表
fig.show()

3D 图表

Plotly 也支持创建 3D 图表，如 3D 散点图和 3D 曲面图。

# 创建 3D 散点图
fig = go.Figure(data=[go.Scatter3d(x=[1, 2, 3],
                                   y=[4, 5, 6],
                                   z=[7, 8, 9],
                                   mode='markers')
                     ]
               )

# 显示图表
fig.show()

动画图表

Plotly 支持动画效果，可以用来展示数据的动态变化。

import plotly.express as px

# 使用内置的 gapminder 数据集
df = px.data.gapminder()

# 创建动画图表
fig = px.scatter(df, x='gdpPercap',
                 y='lifeExp',
                 animation_frame='year',
                 animation_group='country',
                 size='pop',
                 color='continent',
                 hover_name='country',
                 log_x=True,
                 size_max=55,
                 range_x=[100,100000],
                 range_y=[25,90]
                )

# 显示图表
fig.show()

保存图表

可以将图表保存为 HTML 文件或图片格式。

# pip install -U kaleido 先安装三方库
# 保存为 HTML 文件
fig.write_html("figure.html")

# 保存为图片
fig.write_image("figure.png")

Dash 集成

Plotly 还可以与 Dash 集成，Dash 是一个用于构建数据驱动的 Web 应用程序的 Python 框架。

import dash
import dash_core_components as dcc
import dash_html_components as html

# 初始化 Dash 应用
app = dash.Dash(__name__)

app.layout = html.Div(children=[
    html.H1(children='Hello Dash'),
    dcc.Graph(
        id='example-graph',
        figure=fig
    )
])

if __name__ == '__main__':
    app.run_server(debug=True)

Plotly 是一个功能强大且易于使用的库，非常适合用于数据可视化和创建交互式图表。无论是简单的图表还是复杂的可视化需求，Plotly 都能很好地满足。

参考

https://plotly.com/python/
https://plotly.com/python/plotly-express/